[发明专利]一种用户偏好估计方法及装置有效

专利信息
申请号: 202011356494.9 申请日: 2020-11-27
公开(公告)号: CN112579884B 公开(公告)日: 2022-11-04
发明(设计)人: 梁涛;张晗;马连洋;衡阵 申请(专利权)人: 腾讯科技(深圳)有限公司
主分类号: G06F16/9535 分类号: G06F16/9535;G06F16/9536;G06Q50/00;G06N3/04;G06N3/08
代理公司: 北京同达信恒知识产权代理有限公司 11291 代理人: 李娟
地址: 518044 广东省深圳*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 用户 偏好 估计 方法 装置
【权利要求书】:

1.一种用户偏好估计方法,其特征在于,基于用户偏好模型对用户偏好进行估计,所述用户偏好模型包括特征提取子模型和偏好估计子模型,所述方法包括:

获得待预测的多媒体内容的内容信息;

将所述内容信息输入所述特征提取子模型,得到所述内容信息归属类别对应的目标内容特征;

将所述目标内容特征输入所述偏好估计子模型,获得所述内容信息的目标用户偏好预测结果,所述偏好估计子模型和所述特征提取子模型之中的至少一个子模型,是基于分类模型对样本内容信息的预测分类结果和实际归属类别之间的损失、以及基于所述用户偏好模型对所述样本内容信息的用户偏好预测结果和实际预测结果之间的损失进行参数调整获得的,所述分类模型包括用于识别所述样本内容信息中影响用户偏好的类别词语和单张类别图像中至少一种的分类模型,以及用于识别所述样本内容信息中影响用户偏好的类别语句和至少一组类别图像序列中至少一种的分类模型。

2.如权利要求1所述的方法,其特征在于,所述偏好估计子模型和所述特征提取子模型之中的至少一个子模型,是基于分类模型对样本内容信息的预测分类结果和实际归属类别之间的损失、以及基于所述用户偏好模型对所述样本内容信息的用户偏好预测结果和实际预测结果之间的损失进行参数调整获得的,具体包括:

从训练数据集中获取多媒体内容的训练样本,所述训练样本包括样本内容信息、训练样本的用户偏好实际结果和实际分类结果;

将所述样本内容信息输入所述特征提取子模型得到所述样本内容信息的内容特征,并将所述内容特征输入所述偏好估计子模型获得所述样本内容信息的用户偏好预测结果;

将所述内容特征输入分类模型,确定所述样本内容信息的预测分类结果;

基于所述用户偏好预测结果与所述用户偏好实际结果之间的第一损失,以及所述预测分类结果与所述实际分类结果之间的第二损失,确定总损失;

基于所述总损失对所述特征提取子模型和所述偏好估计子模型中至少一个模型的参数进行调整,直至所述总损失满足收敛条件,得到已训练的用户偏好模型。

3.如权利要求2所述的方法,其特征在于,所述样本内容信息为所述多媒体内容的文本信息,所述特征提取子模型包括第一特征提取网络和第二特征提取网络,其中:

所述将所述样本内容信息输入所述特征提取子模型得到所述样本内容信息的内容特征,具体包括:

基于所述第一特征提取网络对所述文本信息进行分词处理,得到对应的词列表,并对所述词列表进行向量化处理,确定每一个词对应的词向量,得到词向量矩阵;

基于所述第二特征提取网络对所述词向量矩阵进行语义挖掘处理,得到所述内容特征。

4.如权利要求3所述的方法,其特征在于,所述分类模型包括第一分类模型和第二分类模型,所述预测分类结果具体包括:

将所述词向量矩阵输入所述第一分类模型获得第一预测分类结果,并将所述内容特征输入所述第二分类模型获得第二预测分类结果;

所述预测分类结果与所述实际分类结果之间的第二损失,具体包括:所述第一预测分类结果与所述实际分类结果之间的损失,和所述第二预测分类结果与所述实际分类结果之间的损失。

5.如权利要求2所述的方法,其特征在于,所述样本内容信息为所述多媒体内容的图像序列时,特征提取网络包括残差学习子模型和第三特征提取网络,所述将所述样本内容信息输入所述特征提取子模型得到所述样本内容信息的内容特征,具体包括:

利用残差学习子模型对所述图像序列中的各个图像进行特征提取,确定每一张图像对应的图像向量,得到图像向量矩阵;

基于所述第三特征提取网络对所述图像向量矩阵进行图像内容分析处理,得到所述内容特征。

6.如权利要求5所述的方法,其特征在于,所述分类模型包括第三分类模型和第四分类模型,所述预测分类结果具体包括:

将所述图像向量矩阵输入所述第三分类模型获得第三预测分类结果,并将所述内容特征输入所述第四分类模型获得第四预测分类结果;

所述预测分类结果与所述实际分类结果之间的第二损失,具体包括:所述第三预测分类结果与所述实际分类结果之间的损失,和所述第四预测分类结果与所述实际分类结果之间的损失。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011356494.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code